| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 医学图像分割的研究背景与意义 | 第11-12页 |
| 1.2 医学图像分割的现状与发展趋势 | 第12-13页 |
| 1.3 脑部MRI图像的特点和分割的难点 | 第13-17页 |
| 1.3.1 脑部MRI图像的特点 | 第13-16页 |
| 1.3.2 脑部MRI图像分割的难点 | 第16-17页 |
| 1.4 本文主要研究内容与结构 | 第17-19页 |
| 第2章 医学图像分割方法 | 第19-31页 |
| 2.1 医学图像分割概述 | 第19-20页 |
| 2.2 经典的图像分割方法 | 第20-25页 |
| 2.2.1 基于阈值的分割方法 | 第20-22页 |
| 2.2.2 基于边缘检测的分割方法 | 第22-23页 |
| 2.2.3 基于区域的分割方法 | 第23-25页 |
| 2.3 基于特定理论的图像分割方法 | 第25-27页 |
| 2.4 医学图像分割算法的评价 | 第27-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 模糊聚类方法的基本理论 | 第31-44页 |
| 3.1 模糊理论与模糊集合 | 第31-32页 |
| 3.1.1 模糊理论 | 第31-32页 |
| 3.1.2 模糊集合 | 第32页 |
| 3.2 聚类分析 | 第32-36页 |
| 3.2.1 聚类分析简介 | 第32-34页 |
| 3.2.2 硬聚类 | 第34-35页 |
| 3.2.3 模糊聚类 | 第35页 |
| 3.2.4 两种聚类算法的联系和区别 | 第35-36页 |
| 3.3 FCM算法 | 第36-41页 |
| 3.3.1 FCM算法的原理 | 第36-38页 |
| 3.3.2 FCM算法中参数的选择 | 第38-40页 |
| 3.3.3 FCM算法优缺点 | 第40-41页 |
| 3.4 实验结果及分析 | 第41-43页 |
| 3.4.1 对模拟方块图的分割 | 第41-42页 |
| 3.4.2 对脑部MRI图像的分割 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 改进的FCM算法 | 第44-59页 |
| 4.1 基于核函数的FCM算法 | 第44-48页 |
| 4.1.1 核的定义及常用的核函数 | 第44-45页 |
| 4.1.2 KFCM算法 | 第45-47页 |
| 4.1.3 仿真结果与分析 | 第47-48页 |
| 4.2 KFCM算法的改进 | 第48-52页 |
| 4.2.1 图像的预处理 | 第48-51页 |
| 4.2.2 初始聚类中心的选择 | 第51-52页 |
| 4.3 基于邻域空间信息约束的FCM算法 | 第52-58页 |
| 4.3.1 像素领域的概念 | 第52-53页 |
| 4.3.2 基于空间信息的隶属度函数 | 第53-54页 |
| 4.3.3 加入空间信息的模糊C均值聚类算法 | 第54-55页 |
| 4.3.4 基于均值空间约束的模糊C-均值聚类算法 | 第55-56页 |
| 4.3.5 仿真结果与分析 | 第56-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 基于核函数与空间信息的FCM算法 | 第59-69页 |
| 5.1 利用空间信息的核FCM算法 | 第59-62页 |
| 5.1.1 SKFCM算法 | 第59-62页 |
| 5.1.2 参数α的选择 | 第62页 |
| 5.2 仿真结果与分析 | 第62-68页 |
| 5.2.1 仿真结果 | 第62-68页 |
| 5.2.2 结果分析 | 第68页 |
| 5.3 本章小结 | 第68-69页 |
| 第6章 结束语 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 致谢 | 第76-77页 |
| 攻读硕士学位期间的研究成果 | 第77页 |